0 引言
人工影响天气效果检验在国内外仍是尚未完全解决的科学难题，由于探测设备的局限性，对云的降水机制无法进行全方位探测，统计检验和物理检验方法无法完全区分自然云系和催化云系作业前后宏、微观特征的发展变化，也无法对催化部位、催化剂量的合理性进行定量评估（雷恒池等，2008；段婧等，2020；王飞等，2022；邢峰华等，2023）。数值模式中引入人工催化方案，可定量评估微物理过程和动力过程的相互作用、催化时间窗口、催化效果等，是人工影响天气研究的重要工具（Orville， 1996；Rosenfeld et al.， 2007；楼小凤等，2016；Xue et al.，2022），近年来在人工增雨、消减雨、防雹等研究中取得了很大进展（师宇等，2017；唐林等，2020；史月琴等，2022）。例如，洪延超（1998，1999）发展了三维弹性冰雹云催化数值模式用于研究雹云催化技术，发现高含水量区的催化效果最好；鉴于催化冰核形成的人工冰晶与自然冰晶谱型不同，李兴宇和洪延超（2005）将人工冰晶单独作为预报量以区分于自然冰晶，并计算人工冰晶与其他粒子的微物理过程；刘玉宝等（2021）基于WRF（Weather Research and Forecasting）模式四维资料同化和预报技术，耦合了中国气象科学院的微物理方案（CAMS-MP），发展了云解析人工影响天气模式系统（CR-WMM），实现了云微物理和播云催化技术的精细模拟；刘卫国等（2021）基于WRF模式发展的冷云催化模式，对一次层状云飞机增雨催化作业进行仿真模拟，研究了催化剂的扩散特征及对云降水的影响，评估作业效果并揭示了增雨机理；花少烽等（2024）利用耦合了碘化银（AgI）催化过程的WRF模式，对2014年8月16日南京青奥会开幕式当天实施的人工催化作业开展数值模拟，评估了催化效果并提出低空干区的存在是影响催化效果的关键。在致冷剂（如液氮、干冰等）催化模拟方面，肖明静等（2006）在三维对流云模式中对AgI和液态CO2的催化过程进行模拟，评估分析了两种不同催化剂的催化效果和催化机制；楼小凤等（2013）利用双参数三维对流云催化模式对浙江南部一次对流云降雨过程分别进行盐粉暖云催化、AgI冷云催化和冷暖混合催化试验，对比研究了不同催化方案对对流云降雨的可能影响。随着高分辨率数值模式和云微物理参数化方案的不断发展，数值模式被广泛应用于人工影响天气条件预报和效果检验。然而，由于云微物理过程的复杂性，模式对云和降水物理过程、催化剂播撒、催化后微物理链条变化的描述和定量化预报仍存在很多不确定性。
目前已开展的人工增雨催化模拟研究对北方层状云增雨关注较多，而对南方对流云的增雨效果评估较少。与北方多稳定层状云相比，南方地区人工影响天气作业对象多为对流相对较强的混合云系，降水结构更为复杂多变。福建属亚热带季风气候，下垫面类型复杂，降水存在明显时空差异，季节性干旱时有发生。福建地面人工影响天气作业量长期位居全国前列，人工增雨在服务农业生产、缓解水资源紧缺、气象防灾减灾等方面发挥着积极作用。为了解新气候背景下人工增雨作业效果，2014年以来福建古田县重启开展人工增雨随机化试验（简称“古田试验”），以地面火箭为作业方式，累积了一百余例随机化试验样本并取得了阶段性成果（冯宏芳等，2019；胡淑萍等，2019；胡淑萍等，2023；李丹等，2024）。
本研究利用耦合了AgI过程的WRF模式，对2021年5月4日古田随机化增雨试验过程开展催化数值试验，通过对催化前后地面降水、云系宏微观物理特征和微物理机制的分析，探讨其增雨效果及对流云增雨机制。
1 资料与方法
使用中尺度数值模式WRF3.7版本（Skamarock and Klemp，2008）进行模拟。模拟区域中心位置为（28.5°N，111.0°E），采用三重网格双向嵌套方案（d01，d02，d03），水平分辨率分别为9、3、1 km，对应的网格格点数分别为280×343、496×609、901×793（图1）；垂直方向分为51层，边界层内加密，最底层垂直分辨率为12 m；积分步长分别为30、10、10/3 s。边界层过程使用YSU方案（Hong and Lim， 2006），长波辐射方案选择RRTMG方案（Iacono et al.，2008），短波辐射方案为Dudhia方案（Dudhia， 1989），最外层使用Kain-Fritsch积云参数化方案（Kain， 2004），内两层不使用积云参数化方案。采用欧洲中期天气预报中心第五代大气再分析资料（ERA5）为模式提供初始和边界条件（Dee et al.，2011），时间间隔3 h，水平分辨率为0.25°×0.25°，模拟时段从2021年5月4日00：00至5日00：00（世界时，下同），共24 h。AgI催化过程的实现是在Thompson微物理方案（Thompson et al.，2004；Thompson et al.，2008）基础上，增加预报方程模拟AgI粒子的扩散和输送过程，并考虑3种成核机制：AgI粒子由于布朗运动和惯性运动与云滴和雨滴的接触冻结核化，以及考虑了凝结冻结核化过程的凝华核化（Hsie et al.，1980）（图2）。AgI粒子的核化曲线采用BR-91-Y型焰剂成核率曲线（酆大雄等，1995）。应用该催化模块，已开展了南京青奥会开幕式人工消减雨作业效果分析（查思佳等，2020；花少烽等，2024）、北京对流性降水事件人工增雨作业冷云催化模拟等相关研究（Hua et al.，2024）。观测降水来自中国气象局陆面数据同化系统（CLDAS-V2.0）近实时产品数据集；其他气象观测数据来自福建省气象信息中心。文中所用时间均为世界时。
图1
图2
2 结果分析
2.1 降水过程概况和自然云模拟验证
2021年5月4日00：00，我国北方大部处于东北冷涡的低压槽区，南方处于孟加拉湾南支槽前，且槽整体趋势发展东移；12：00，槽前西南急流加强，引导低层切变和地面系统南压；副热带高压（简称“副高”）位于台湾及南海附近且相对较弱，福建上空为槽前和副高北部，以偏西到西南气流为主，有利于水汽输送。850 hPa低层切变位于湖南-江南北部，随高空槽东移，切变逐渐东移并南压至福建省北部，福建省中北部处于切变南侧西南气流控制下，水汽输送稳定，古田县上空中低层都在暖区控制之下，为人工增雨提供了有利的作业条件。
利用中国气象局陆面数据同化系统2.0版本（China Meteorological Administration Land Data Assimilation System-Version 2.0，CLDAS-V2.0）降水产品作为观测降水对自然云模拟结果进行验证，将5月4日00：00—5日00：00观测与模拟的24 h累积降水量进行对比。从观测累计降水[图3（a）]可以看到，此次过程降水呈西南—东北走向的带状分布，福建大部分地区有明显降水；模式模拟的雨带落区、范围、形状与实况基本一致，模拟的强降水中心累计雨量比实况略小[图3（b）]。从区域平均降水量的逐时演变[图3（c）]可以看到，02：00—12：00，d03区域平均降水为0.4~0.7 mm，之后雨势快速减小；主要降水时段内，模拟降水的雨量及其变化趋势与观测降水有较好的一致性，之后模拟降水量迅速减少，存在一定程度低估。古田试验区的降水峰值出现在09：00，模拟降水量峰值、发展变化与观测降水有较好一致性，同样在15：00后有所低估[图3（d）]。
图3
图3
2021年5月4日00：00—5日00：00观测（a）与模拟（b）d03区域降水量（单位：mm）分布及d03区域（c）与古田试验区（d）降水量逐时演变
（红色三角为作业点位置）
Fig.3
The distribution of observed (a) and simulated (b) precipitation from 00:00 May 4 to 00:00 May 5 in 2021 in the d03 area, and the hourly evolution of precipitation in the d03 area (c) and the testing area of Gutian (d)
(The red triangle indicates the location of the operation point)
将催化作业前、后1 h（08：00—10：00）模拟的自然云雷达回波与福州站雷达反演结果进行对比（图4）。催化目标云系位于作业点西南侧，向东北方向进入作业点上空；08：00—10：00，云系处于发展阶段，云系面积增大，中心回波增强；云顶高度约8~9 km，有明显对流。模拟结果可以较好反映催化目标云系空间分布及其发展、移动路径；云顶高度、强回波中心结构与雷达反演结果相似度较高。
图4
图4
2021年5月4日08：00—10：00观测（a、b、c）和模拟（e、f、g）的雷达回波组合反射率演变及沿
[
Fig.4
The evolution of radar composite reflectivity observed （a， b， c） and simulated （e， f， g） from 08：00 to 10：00 on May 4， 2021， and the observed （d） and simulated （h） reflectivity profiles along the purple line segment in
（The purple line segment in
2.2 催化试验设计和增雨效果分析
图5
图5
实际播撒路径（a）与模拟催化网格（b）示意图
Fig.5
Schematic diagrams of actual seeding path (a) and simulated seeding grid (b)
AgI播撒后，09：10—09：30 AgI质量浓度及移动路径如图6（a）所示。09：00—13：00，自然云累计降水量普遍达到8~15 mm，局部超过25 mm[图6（b）]。AgI播撒后，随云系自西南向东北移动影响地面降水，播撒后2 h（09：00—11：00）地面降水有少量增加；11：00—12：00，作业部位云系降水增量（催化云降水-自然云降水）明显，同时催化云系周边出现明显负增雨区；12：00以后，正增雨量下降，负增雨区域影响面积增加，净减雨量增加[图6（c）]；13：00以后，催化部位云系基本移出福建。根据增雨影响范围将图6（d）中红色方框设定为催化影响区域。AgI播撒后，催化影响时间持续约4 h，催化部位绝对增雨量约-0.78~1.24 mm[图6（d）]，增雨率约-8.3%~12.1%[图6（e）]，总降水增量为4.64×105 t（09：00—13：00催化影响区域内，催化云与自然云在对应时段内累积降水的差值乘以区域面积及降水密度）。
图6
图6
2021年5月4日09：10—09：30 AgI播撒后其质量浓度（填色，单位：10-3 µg∙kg-1）及移动路径（箭头方向）（a），09：00—13：00自然云降水量（b，单位：mm）及催化后地面降水增量（c）、降水量增量（d，单位：mm）及增雨率（e，单位：%）
（红色三角形为作业点大致位置，下同；矩形框为催化影响区域）
Fig.6
The mass concentration （the color shaded， Unit： 10-3 µg∙kg-1） and movement path （the arrow direction） of AgI after its dissemination from 09：10 to 09：30 on May 4， 2021 （a）， and the natural cloud precipitation （b， Unit： mm）， ground precipitation increment （c）， precipitation increment （d， Unit： mm）， and rain enhancement rate （e， Unit： %） after catalysis from 09：00 to 13：00 May 4， 2021
（The red triangles denote approximate locations of the artificial rain enhancement operation site， the same as below； The rectangular box indicates the seeding influence area）
2.3 碘化银核化机制
从09：00—09：30自然云的云带、垂直累积过冷水和AgI质量浓度分布（图7）可以看到，催化目标云系自西南向东北进入作业点上空，云中水凝物丰富，含量普遍达10~20 kg∙m-2，局部达25~30 kg∙m-2；其中，垂直累积过冷水约0.2~0.5 kg∙m-2。催化部位位于云系前部，AgI播撒入云后，随西南风向东北方向扩散并核化；云系自身处于发展阶段，催化目标云系随时间推移面积增大，催化区域附近云中水凝物增加。沿AgI播撒、扩散方向做垂直剖面（图8）可以看到，AgI播撒高度在0~-10 ℃层，中心高度约4.8 km，高值中心在-5 ℃层以上，其质量浓度约4.5×10-3 µg∙kg-1；在AgI扩散核化过程中，09：10—09：30，催化部位有明显上升气流，-5 ℃层以上过冷水含量较丰富，冰面过饱和水汽混合比（qvsi）约0.2~0.4 g∙kg-1，冰晶数浓度普遍小于10个·L-1。结合以往冷云催化条件相关研究（Meyers et al.，2010；孙晶等，2015；史月琴等，2022；许志丽等，2025）分析，催化部位云系适合开展冷云增雨作业。因增雨时段主要在13：00以前，且催化部位云系13：00左右移出福建，后续主要讨论09：00—13：00时段内云微物理量场的变化及其催化机制。
图7
图7
2021年5月4日AgI播撒、核化期间云中水凝物（彩色填色，单位：kg∙m-2）、垂直累积过冷水（蓝色等值线，单位：kg∙m-2）含量及AgI质量浓度（红色填色，单位：10-3 µg∙kg-1）分布
（a） 09：00，（b） 09：10，（c） 09：20，（d） 09：30
Fig.7
The distribution of water condensate in the cloud （the color shaded， Unit： kg∙m-2）， the vertical accumulation of supercooled water （blue isolines， Unit： kg∙m-2）， and the mass concentration of AgI （the red shaded， Unit： 10-3 µg∙kg-1） during the AgI seeding nucleation period on May 4， 2021
（a） 09：00， （b） 09：10， （c） 09：20， （d） 09：30
图8
图8
2021年5月4日AgI播撒、核化期间其质量浓度（灰色阴影，单位：10-3 µg∙kg-1）和冰晶数浓度（粉色等值线，单位：个·L-1）、垂直速度（蓝色等值线，正值表示上升气流，负值表示下沉气流，单位：m·s-1）、气温（红色等值线，单位：℃）及冰面过饱和水汽混合比（填色，单位：g∙kg-1）垂直剖面
（a） 09：00，（b） 09：10，（c） 09：20，（d） 09：30
Fig.8
Vertical profiles of mass concentration （the gray shaded， Unit： 10-3 µg∙kg-1） of AgI， ice crystal number concentration （pink isolines， Unit： particles·L-1）， vertical velocity （blue isolines， positive values indicate updrafts and negative values indicate downdrafts， Unit： m·s-1）， air temperature （red isolines， Unit： ℃）， and ice surface supersaturation water vapor mixing ratio （the color shaded， Unit： g∙kg-1） during AgI deposition， nuclearization period on May 4， 2021
（a） 09：00， （b） 09：10， （c） 09：20， （d） 09：30
自然条件下，AgI以何种方式成核主要由云内实际上升气流速度、温度、湿度、催化剂作用时间等因素决定：层状云中，由于水面过饱和度低、催化剂作用时间长，AgI主要以接触冻结、浸没冻结等慢核化方式成冰；而在对流云中上升气流较强，云内可以维持较高的水面过饱和度，再加上催化剂在云内停留时间较短，因而AgI主要以凝华核化方式成冰（刘诗军等，2005）。本研究使用的催化模式含3种核化机制：云滴、雨滴的接触冻结核化和水汽凝华核化。图9为AgI的3种核化机制在催化影响区域内核化效率总积分量随时间的变化。可以看到，本次过程AgI的主要核化机制为凝华核化，云滴的接触冻结核化比凝华核化小1~2个量级，雨滴的接触冻结核化基本可以忽略不计。AgI与水汽的凝华核化效率为0.14~6.5 µg∙kg-1∙s-1，核化有效时段集中在09：10—09：50。
图9
图9
2021年5月4日09：00—13：00 AgI 3种核化机制的核化效率变化
Fig.9
The changes of the nuclearization efficiency of AgI for the three nuclearization mechanisms from 09：00 to 13：00 on May 4， 2021
2.4 催化对云物理量场的影响
在自然云中加入人工冰核后，通过改变云中微物理量及其转化过程改变地面降水。图10为2021年5月4日09：00—13：00催化影响区域内自然云中水凝物及其催化后增量的高度-时间分布，可以看出，AgI播撒后，09：20—09：50，0~-5 ℃层冰晶数浓度迅速增加，增量约3~9个·L-1，且与AgI播撒高度相一致[图10（a）]；09：20—09：50，由于催化部位有明显上升气流（图略），催化影响区域随上升气流扩散至-5~-25 ℃层，AgI进一步核化。AgI催化直接且明显改变了云中冰晶数浓度的时空分布，对其他水凝物含量影响甚微，但通过云中微物理过程，间接影响了各水凝物的时空分布和地面降水。对雨滴质量浓度（Qr）的影响主要发生在0 ℃层以下，11：00前变化较小，Qr平均增量小于0.000 2 g∙kg-1；11：00以后，云中Qr的变化为0.000 5~0.002 0 g∙kg-1，个别时次Qr减少，且与地面增雨量的时间变化趋势一致[图10（b）]。对云滴质量浓度（Qc）的影响主要发生在11：00以后，云中±10 ℃层之间，其质量浓度有增有减，变化幅度为±0.002 g∙kg-1[图10（c）]。云中雪晶质量浓度（Qs）以增加为主，11：00之前，增量为0.000 5~0.001 2 g∙kg-1；11：00之后Qs增加更为显著，最大增量可达0.003 0 g∙kg-1，只有局部出现少量减少[图10（d）]。霰质量浓度（Qg）总体变化很小（图略）。由于空气中水汽充沛，催化对水汽质量浓度影响不明显[图10（e）]。
图10
图10
2021年5月4日09：00—13：00催化影响区域内自然云中水凝物数浓度或质量浓度（蓝色等值线）及其催化后增量（填色）（a、b、c、d、e）、垂直速度（等值线）及其催化后变化（填色）（f）的高度-时间分布
Fig.10
Time-height evolution of number or mass concentration of the hydrometeor contents in natural cloulds (blue isolines) and their increments (the color shaded) after seeding (a, b, c, d, e), and vertical velocity (isolines) and its changes after seeding (f) from 09:00 to 13:00 on May 4, 2021
可见，自AgI进入云中后，云中冰相水凝物增加，主要发生在4.5~8.0 km，前期（09：30—11：00）增量较小，11：00以后，冰相水凝物（以雪晶为主）较催化前增加明显，主要发生在5.0~8.0 km，同时，融化层附近出现了负值，持续到13：00左右。液相水凝物在催化前期基本没有变化，从11：00开始，在融化层以下，水凝物变化出现波动。总体来说，11：00—13：00是受催化影响的主要时段，云中水凝物明显增加，与地面降水增量随时间的变化趋势基本一致，其中冰相水凝物增量更为显著。
图11为09：00—13：00催化影响区域内10 min自然降水量及雨滴源汇项微物理过程转化速率变化，可以看到，09：00起地面雨势逐渐增大，10：50达到峰值后下降。微物理过程与地面雨量发展变化一致：09：00—11：00，云中雨滴源汇项的速率递增；11：00后，雨滴生消微物理过程的活跃度逐渐下降，对应地面降水率降低。雨滴的主要源项为雪的融化（41.94%），其次是碰并云滴增长（37.70%），再次是霰的融化（11.22%）和雨滴碰并霰增长（7.1%）。其中，前期以雨滴碰并云滴增长为主导，10：50之后，雪融化对雨滴增长的贡献超过碰并云滴增长，在11：00达到峰值后下降。雨滴的汇项以蒸发为主（73.98%），其次是雨滴碰并雪晶生成霰（18.63%）。
图11
图11
2021年5月4日09：00—13：00催化影响区域内10 min自然降水量（a）和雨滴源汇项微物理过程转化速率（b）变化
Fig.11
Variations of 10 min natural precipitation （a） and microphysical process transformation rates of raindrop source and sink terms （b） in the seeding influence area from 09：00 to 13：00 on May 4， 2021
AgI播撒后，地面降水增量总体缓慢增加，11：00—13：00，降水增幅加大，同时出现剧烈波动；13：00后，催化影响区域的降水增量以负值为主[图6（c）]。雨滴源项中受AgI播撒影响最大的是雨滴碰并冰晶增长（R_RCI），其次是碰并云滴增长（R_RCW）和雪的融化（R_SML）；雨滴汇项的变化主要是雨滴碰并冰晶生成霰（G_RCI）和雨滴蒸发（V_REV）。AgI播撒后，雨滴源、汇项速率都有不同程度提高，源项的正增长高于汇项[图12（a）]。Thompson方案中，雨滴碰并冰晶后，一部分转化为雨滴（R_RCI），一部分转化为霰（G_RCI），两者的转化率相当。因此，引入AgI作为人工冰晶后，这两者的变化率也是相当，即雨滴碰并冰晶过程中增长的雨滴和转化为霰的雨滴数量相当；雨滴变化和地面降水的增量主要来源于雨滴碰并云滴增长和雪的融化。云滴源汇项的变化主要体现在：云滴核化（W_VCD）和雨滴碰并（R_RCW）速率均有增加，AgI播撒后云滴质量浓度总体正增长[图12（b）]。雪晶质量浓度总体正增长，其源项变化主要是冰晶转化为雪晶（S_IAU）速率增加，水汽凝华（S_SDE）速率降低，其汇项雪融化为雨滴（R_SML）的速率增加[图12（c）]。水汽的变化体现在：雨滴蒸发（V_REV）速率加快，冰晶凝华（I_IDE）速率增加，而云滴核化（W_VCD）、雪晶凝华（S_SDE）速率降低[图12（d）]。胡淑萍等（2023）对此次增雨作业进行物理检验并指出，作业后云内大雨滴或半融化冰粒子增多；与作业时刻相比，作业后地面获取的雨滴谱出现谱宽增宽、中小雨滴先增加随后大雨滴增加的特征。结合胡淑萍等（2023）提出的物理检验特征和模式结果推测，AgI播撒后，通过凝华核化，冰晶数浓度大幅增加，这一过程消耗了云中水汽导致水汽参与的其他核化、凝华过程速率降低；这些增长的冰晶大部分转化为雪晶，雪晶的融化增加了雨滴质量浓度；雨滴质量浓度增加的同时，雨滴谱谱宽增宽，其碰并增长的概率和速率增大。11：00之前，雨滴增量以雪晶贡献为主，地面降水增量平稳，冰晶增量消耗殆尽后，其转化为雪晶以及雪晶对雨滴增长的贡献也逐渐减弱，对地面降水的贡献从以冰相过程为主导转变为以液相过程为主导；11：00后，受垂直速度变化影响[图10（f）]，上升气流增强的时段，向云中带入更多水汽，云滴增长，进而供给雨滴增长，地面降水增强；反之减弱。垂直速度和水汽微物理过程出现波动，影响了云滴增长从而影响雨滴和云滴碰并，并间接影响了雪晶融化等过程，使地面降水增量因云中水汽变化出现波动。
图12
图12
2021年5月4日09：00—13：00催化影响区域内催化后云中微物理过程源汇项变化量
（a）雨滴，（b）云滴，（c）雪晶，（d）水汽
Fig.12
The changes of micro-physical processes source and sink terms in clouds after seeding from 09:00 to 13:00 on May 4, 2021
(a) raindrops, (b) cloud droplets, (c) snow crystal, (d) water vapor
综上所述，此次催化作业影响时间约4 h，催化后期（11：00—13：00）地面降水增量较前期（09：00—11：00）更大。在以往关于对流云和积层混合云冷云催化增雨的数值模拟研究中，催化后地面降水的变化受环境场，云系自身增雨条件和催化剂播撒剂量、时机、部位等因素影响表现出不同增雨效果。例如，刘卫国等（2016）对2014年春季华北两次降水过程的人工增雨催化开展的数值模拟研究显示，两次播撒催化均表现出先减雨再增雨的效果；付远等（2024）将集合预报模式和加入AgI的一维双参数云模式进行单向耦合，针对浙江省积层混合云降水过程进行催化数值试验表明，播撒240 min后增雨效果明显提高，AgI剂量采用1.2×10-5 g·kg-1时增雨率最大；Hua等（2024）用相同催化模块（Thompson_Ctrl experiment）作为其中一组对照试验对北京一次对流性降水人工增雨个例进行研究，该试验中水汽和雪晶的质量浓度几乎不变，水汽变化对地面降水几乎没有影响。而在本文的催化试验中，11：00之后，地面降水变化主要因水汽变化出现波动。可见，受自然条件、催化方案、模式设计等多重因素影响，人工增雨效果评估的结论具有很大的不确定性。
3 结论与讨论
本研究利用耦合了AgI催化过程的WRF模式，对2021年5月4日古田随机化增雨试验过程开展数值模拟，分析了催化对云和降水宏微观特征的影响，探讨对流云增雨催化效果和增雨机制，得到以下主要结论。
（1）催化部位在-5 ℃层以上，有明显上升气流，云中过冷水、冰面过饱和水汽含量丰富但自然冰晶不足，适合开展冷云催化作业。AgI以凝华核化为主，核化时间约40 min。
（2）催化影响时间约4 h（09：00—13：00），AgI入云后，云中冰相水凝物含量增加，主要发生在4.5~8.0 km高度层，催化前期（09：30—11：00）增量较小，云中水凝物与地面降水增量随时间的变化趋势基本一致。
（3）AgI播撒后，通过凝华核化使冰晶数浓度大幅增加，增长的冰晶大部分转化为雪晶，再通过雪晶的融化增加了雨滴质量浓度。11：00之前，雨滴增量以雪晶贡献为主，地面降水增量平稳；11：00之后，地面降水增量因云中水汽变化出现波动。
（4）催化部位绝对增雨量为-0.78~1.24 mm，增雨率约-8.3%~12.1%，地面总降水增量4.64×105 t，增雨效果显著。
由于受多种客观因素限制，数值模拟结果并不能完全再现云和降水的真实情况，但模拟与实况观测的对比表明，模式能合理反映本次降水的落区、量级以及云带发展变化特征。本研究是对南方对流云系冷云催化数值模拟的个例尝试与探索，其作业条件、催化机制和增雨效果可为对流云作业条件识别和效果评估提供参考。本文仅是一次个例研究，暂时无法提出针对对流云冷云催化的共性结论，古田试验重启10 a以来，积攒了一定数量样本，未来将针对古田试验开展更多数值模拟，并结合已经开展和正在开展的物理检验、统计检验结论，进一步总结对流云冷云催化地面作业的共性特征和作业效果。
参考文献
三维对流云盐粉催化模式的发展和催化模拟试验
[J].
在三维混合相对流云模式中发展了盐粉催化方案, 该方案考虑了盐粒与云雨滴和冰相粒子间的相互作用， 模式中增加了盐溶滴的质量Qn和浓度Nn两个预报量。利用盐粉催化模式进行了个例模拟试验， 并对催化结果进行了对比分析。结果表明, 当采用30个·L-1剂量的盐粉两次催化时, 催化效果较好， 地面总降水量可增加10%; 当催化剂量减少时， 增雨效果不明显。同时催化剂量超过1 000个·L-1， 可导致降水总量减少。催化时间提前或延后都会影响增雨效果。模拟第70 min后出现了少量的减雨， 并持续到降水结束。通过分析催化后云中水成物, 发现盐粉催化不仅影响了暖雨过程， 而且云雨滴通过冻结形成霰等过程也影响了冷雨过程。
海南岛中部山区暖云人工增雨催化试验物理效果分析
[J].利用雷达、降水及探空资料对2015—2020年海南岛昌江霸王岭及五指山毛阳试验点的暖云吸湿性焰条催化试验在不同月份及天气系统影响下的增雨效果进行评估并通过选取典型个例研究催化过程的物理响应特征。结果表明：南海低压槽和华南沿海槽影响下的催化试验整体增雨正效果较明显，平均绝对增雨量均超过未催化组2.00 mm。7、8、9月暖云催化试验均能展现出不同程度的增雨正效果，其中8月催化试验平均绝对增雨量最高，达4.71 mm。海南岛2个试验点总催化样本平均绝对增雨量0.73 mm，平均相对增雨率13.52%，平均增水量39.73万m<sup>3</sup>。由典型个例的物理检验中发现，催化后0.5 h是一个关键时刻，即催化云和对比云的几乎所有物理检验指标约在催化后0.5 h后拉开差距。
关于在人工影响天气中更新学术观念的探讨
[J].中国人工影响天气已进行了50 a,对它在水资源、减(水、旱、雹)灾、环境保护等方面的需求又很急迫,因而在这一领域逼着我们在世界上要做先行者,必需在这一科学技术领域有所创新、有所作为。除了要提升具体的科技水平外,更新一些学术观念也许是必要的,这样可能更有利于明确问题,抓住重点,尽快见效,还可以为年青人的创新或解除困惑营造一个宽松的环境。
内蒙古中部地区层状云微物理特征及可播度分析
[J].对层状云降水云系开展云微物理特征及可播性实时识别研究，有利于提高对层状云降水云系增雨催化潜力的认识，为人工增雨作业实时识别提供技术支撑。利用内蒙古中部地区2018—2019年8架次层状云飞机作业机载探测资料，研究该地区层状云微物理特征及人工增雨可播度特征。结果表明：层状云中云水、液态水、过冷水出现频率分别为59.97%、82.99%、70.84%；液态水含量主要集中在0.001~0.100 g·m<sup>-3</sup>，过冷水含量主要分布在0.010~0.100 g·m<sup>-3</sup>，具有较好的引晶催化潜力。大云粒子数浓度平均为8个·cm<sup>-3</sup>，数浓度大于20个·cm<sup>-3</sup>的占比14.10%；小云粒子数浓度平均为20个·cm<sup>-3</sup>，数浓度大于20个·cm<sup>-3</sup>的占比28.54%。云粒子数浓度总体上较小，70%以上的云粒子位于负温区。层状云中小云粒子数浓度达到15个·cm<sup>-3</sup>时，云区具有可播度；当可播云区中大云粒子数浓度小于10个·cm<sup>-3</sup>时，云区具有强可播度。
The ERA-Interim reanalysis: Configuration and performance of the data assimilation system
[J].
Numerical study of convection observed during the winter monsoon experiment using a mesoscale two dimensional model
[J].
The WRF single-moment 6-class microphysics scheme (WSM6)
[J].
Numerical simulation of ice-phase convective cloud seeding
[J].
Numerical simulation of the cloud seeding operation of a convective rainfall event occurred in Beijing
[J].
Radiative forcing by long-lived greenhouse gases: Calculations with the AER radiative transfer models
[J].
The Kain-Fritsch convective parameterization: An update
[J].
A comparison of seeded and nonseeded orographic cloud simulations with an explicit cloud model
[J].
A review of cloud modeling in weather modification
[J].
Simulation of hurricane response to suppression of warm rain by sub-micron aerosols
[J].
A time-split nonhydrostatic atmospheric model for weather research and forecasting applications
[J].
Explicit forecasts of winter precipitation using an improved bulk microphysics scheme. Part II: Implementation of a new snow parameterization
[J].A new bulk microphysical parameterization (BMP) has been developed for use with the Weather Research and Forecasting (WRF) Model or other mesoscale models. As compared with earlier single-moment BMPs, the new scheme incorporates a large number of improvements to both physical processes and computer coding, and it employs many techniques found in far more sophisticated spectral/bin schemes using lookup tables. Unlike any other BMP, the assumed snow size distribution depends on both ice water content and temperature and is represented as a sum of exponential and gamma distributions. Furthermore, snow assumes a nonspherical shape with a bulk density that varies inversely with diameter as found in observations and in contrast to nearly all other BMPs that assume spherical snow with constant density. The new scheme’s snow category was readily modified to match previous research in sensitivity experiments designed to test the sphericity and distribution shape characteristics. From analysis of four idealized sensitivity experiments, it was determined that the sphericity and constant density assumptions play a major role in producing supercooled liquid water whereas the assumed distribution shape plays a lesser, but nonnegligible, role. Further testing using numerous case studies and comparing model results with in situ and other observations confirmed the results of the idealized experiments and are briefly mentioned herein, but more detailed, microphysical comparisons with observations are found in a companion paper in this series (Part III, forthcoming).
Explicit forecasts of winter precipitation using an improved bulk microphysics scheme. Part I: Description and sensitivity analysis
[J].
Comparison between observed and simulated AgI seeding impacts in a well-observed case from the SNOWIE field program
[J].A dry-air intrusion induced by the tropopause folding split the deep cloud into two layers resulting in a shallow orographic cloud with a supercooled liquid cloud top at around −15°C and an ice cloud above it on 19 January 2017 during the Seeded and Natural Orographic Wintertime Clouds: The Idaho Experiment (SNOWIE). The airborne AgI seeding of this case was simulated by the WRF Weather Modification (WRF-WxMod) Model with different configurations. Simulations at different grid spacing, driven by different reanalysis data, using different model physics were conducted to explore the ability of WRF-WxMod to capture the properties of natural and seeded clouds. The detailed model–observation comparisons show that the simulation driven by ERA5 data, using Thompson–Eidhammer microphysics with 30% of the CCN climatology, best captured the observed cloud structure and supercooled liquid water properties. The ability of the model to correctly capture the wind field was critical for successful simulation of the seeding plume locations. The seeding plume features and ice number concentrations within them from the large-eddy simulations (LES) are in better agreement with observations than non-LES runs mostly due to weaker AgI dispersion associated with the finer grid spacing. Seeding effects on precipitation amount and impacted areas from LES seeding simulations agreed well with radar-derived values. This study shows that WRF-WxMod is able to simulate and quantify observed features of natural and seeded clouds given that critical observations are available to validate the model. Observation-constrained seeding ensemble simulations are proposed to quantify the AgI seeding impacts on wintertime orographic clouds.
